Узнайте о SAM 3 — модели для сегментации объектов на изображениях и видео с использованием концептуальных подсказок.
WorldGen автоматически создает масштабные 3D миры из текстовых описаний, обеспечивая простоту и доступность для разработчиков.
OpenMMReasoner — новый подход к многомодальному рассуждению с прозрачными стратегиями обучения и высокими результатами.
O-Mem — это инновационная система памяти для персонализированных агентов, улучшающая взаимодействие и ответную реакцию.
RynnVLA-002 — новая модель, объединяющая восприятие, язык и действия для улучшения робототехники и понимания окружающей среды.
Изучите многоаспектную атаку на модели VLM и их уязвимости. Узнайте о новых методах обхода защитных механизмов.
Изучите Mantis — инновационную модель для визуального предсказания и действий с разделённым визуальным foresight.
Исследование PARROT оценивает устойчивость языковых моделей к манипуляциям и лести, анализируя точность ответов под влиянием авторитета.
VisMem предлагает новый подход к улучшению моделей VLM, увеличивая их эффективность на 11.8% благодаря динамическим латентным воспоминаниям.
Введение в TimeViper Мы представляем TimeViper, гибридную модель, разработанную для решения задач понимания длинных видео.